王 越，黄靖华

(重庆理工大学计算机科学与工程学院，重庆 400054)

我国是个养猪大国，2006年全国生猪出栏6.81亿头，全国生猪存栏50 877万头，猪肉产量5 197.2万t。信息科学技术的快速发展正在对过去传统的牲畜养殖方式带来深刻的影响，养猪生产规模化、集约化程度的不断提高。随着人们对猪肉产品质量和数量需求大大提高，对出栏猪的一致性的要求更加精确。

在由屠宰场定价系统中，送宰的肥育猪在体重上越一致，定价就越高。与传统的目测体重方式相比，精确化饲养技术可以自动收集各猪只在饲养状态下的各种大量数据［1］。本文根据精确化养猪业中的初始重量、结束重量、实验期间增重等7个数量性资料，应用模糊聚类分析方法进行聚类，对饲养状态猪只进行了阶段划分和鉴定，以方便分阶段饲养和筛选出体重更接近最佳屠宰重量的出栏猪。

1 模糊聚类分析

聚类分析是多元统计分析的一种，也是非监督模式识别的一个重要分支。它把一个没有类别标记的样本集按某种准则划分成若干子集(类)，使相似的样本尽可能地归为一类，而不相似的样本尽量划分到不同类别中［2－3］。传统的聚类分析是一种硬划分，它把每个待辨识的对象严格地划分到不同的类中，具有非此即彼的性质，因此这种类别划分的界限是分明的。而实际上大多数对象并没有严格的属性，它们在性态和类属方面存在着中介性，具有亦此亦彼的性质，因此适合进行软划分。……